PCA के साथ क्लास की विज़ुअलाइज़ेशन सेपरेशन I
मशीन लर्निंग इंटरव्यू में एक आम सवाल PCA के बाद डाइमेंशनलिटी को विज़ुअलाइज़ करना होता है। इस अभ्यास में, आप यही करेंगे: loan_data के पहले 2 प्रिंसिपल कंपोनेंट्स प्लॉट करके देखेंगे कि लोन स्टेटस पूरी तरह चुकाया गया है या चार्ज-ऑफ हुआ है — इन दोनों क्लासों के बीच दोनों कंपोनेंट्स पर सेपरेशन कैसा दिखता है।
loan_data डेटासेट को स्केल और वन-हॉट एनकोड किया गया है, यानी कैटेगोरिकल वैरिएबल्स को बाइनरी इंडिकेटर्स में बदला गया है, क्योंकि PCA से पहले सभी फीचर्स का स्केल एक जैसा और वे न्यूमेरिक होने चाहिए।
2 PCs वाले PCA मॉडल के साथ x और y लेबल तथा टाइटल सहित प्लॉट की सेटअप आपके लिए पहले से की गई है। आप अभ्यास में loan_data_PCA नाम के DataFrame का उपयोग करेंगे। टारगेट वैरिएबल Loan Status के संभावित मान 0 और 1 हैं। आप x-axis पर PC1 और y-axis पर PC2 प्लॉट करेंगे।
आपके लिए पहले से इम्पोर्ट किए गए हैं: matplotlib.pyplot को plt के रूप में, seaborn को sns के रूप में, और sklearn.decomposition से PCA।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
targets = [____, ____]
colors = ['r', 'b']
# For loop to create plot
for target, color in zip(____, ____):
indicesToKeep = ____['____'] == ____